Projet KG-bot

Chatbot de graphe de connaissances – vers une interaction basée sur des modèles de langage étendu avec des graphes de connaissances en métabolomique

A propos du projet

Le projet KGBot (Knowledge Graph chatBot) vise à améliorer un prototype de chatbot en chimie propulsé par l'IA, conçu pour faciliter l'accessibilité et l'utilisation des graphes de connaissances (KGs) en métabolomique.

En exploitant les données de spectrométrie de masse, le chatbot utilise une interface en langage naturel pour générer des requêtes (en utilisant le langage SPARQL), permettant ainsi aux chimistes d'explorer intuitivement le graphe de connaissances complexe en métabolomique (représenté en RDF).

Les objectifs clés incluent l’élargissement de la compatibilité du chatbot avec divers modèles de langage étendus (LLMs) et KGs, l’intégration d’outils dynamiques pour l’extraction et la visualisation de données, ainsi que le développement d’interactions dialogiques prolongées pour soutenir les requêtes itératives. Le projet a également pour ambition d'enrichir les interactions utilisateurs en offrant des fonctionnalités telles que la visualisation des résultats, la génération d’hypothèses et des recommandations d’analyse.

S’appuyant sur l’expertise interdisciplinaire des partenaires du projet, cette initiative encourage la collaboration transdisciplinaire et aspire à fournir des solutions évolutives applicables à divers domaines. Les résultats attendus incluent un accès amélioré aux données scientifiques et le développement d’un cadre open source robuste pour soutenir des applications futures dans les milieux académiques et industriels. Les financements sont alloués pour soutenir les contributions des chercheurs et post doctorants au projet.

Chercheurs principaux
  • Louis-Félix Nothias (Institut de Chimie de Nice, Université Côte d’Azur, Nice)
  • Fabien Gandon (Wimmics UniCA, Inria, CNRS, i3S)
Partenaires projet
  • Swiss Institute of Bioinformatics, Lausanne, Switzerland
  • School of Pharmaceutical Sciences, Univ. of Geneva, Switzerland
Durée
  • Novembre 2024 - Novembre 2025
Montant total
  • 70 000 euros
Publications
  • Emma Tysinger, Marco Pagni, Olivier Kirchhoffer, Florence Mehl, Fabien Gandon, et al.. An Artificial Intelligence Agent for Navigating Knowledge Graph Experimental Metabolomics Data. 2023 Swiss Metabolomics Society Annual Meeting, Swiss Metabolomics Society Zurich; ETH Zurich, Sep 2023, Zurich, Switzerland. https://inria.hal.science/hal-04381448
 
  • Prix du meilleur article pour "User Interface and Agent Interface for Online Generation of Knowledge Graph’s Competency Questions and Question-Query Training Sets" de Yousouf Taghzouti, Franck Michel, Tao Jiang, Louis-Felix Nothias et Fabien Gandon, au Workshop RAGE-KG 2025 https://2025.rage-kg.org/ 

    De plus en plus de domaines et métiers souhaitent utiliser les dernières techniques d’IA génératives pour faciliter l’accès à leurs bases de données. Il existe cependant peu de jeux de données de questions-requêtes permettant d'affiner les grands modèles linguistiques pour des tâches telles que la traduction de questions en langage naturel en requêtes sur des bases de données graphes (SPARQL). 
    Cet article présente Q2Forge, une application web conçue pour faciliter la création de paires question-requête pour n'importe quel graphe de connaissance en RDF. Cet outil permet aux utilisateurs de générer, tester et affiner des questions de compétence et leurs équivalents SPARQL directement dans l'interface. Il utilise une architecture de génération augmentée par la recherche d’information pour l’enrichissement contextuel (RAG). Le résultat est une solution open source permettant de créer des jeux de questions-requêtes réutilisables, et applicable à n'importe quel graphe de connaissance.
     
    Pour en savoir plus: https://hal.science/hal-05289962 
Projets financés par effet de levier

Contribution à la preuve de concept dans le cadre d’un travail préparatoire pour MetabolinkAI, un projet de recherche international financé par l’Agence Nationale de la Recherche (ANR) et le Fonds National Suisse (FNS) (2025-2029).

Site web du projet : www.metabolinkai.net